张量相关概念通俗解释
如果一个物理量,在物体的某个位置上只是一个单值,那么就是普通的标量,比如说密度,但是如果在同一个位置、从不同的方向上看有不同的值,而且这个数值恰好可以用矩阵乘观察方向来算出来,就是张量,比如物体的内应力、转动惯量。
那张量积呢?
从我们头发说起,编头发不知道大家有没有编过,当我们在编头发的时候,一般习惯抽出一两嘬,一嘬头发我们就可以看成一个张量,从不同的角度我们可以看成不同阶,这里我们就不去细分,我们就笼统的看待它就可以,辫子想编起来,你就得将他们并起来。张量积就是我们在编辫子过程中辫子加了几股。对于张量积,可以看出来并没有维度的要求,他旁边有多少绳子都不影响,而它做的,就是把两个小的东西放到一起,组成一个更大的东西,这样可以作用到更大的空间上。
直和/直积在编辫子这个例子中就是两组分别编的辫子,不能交叉。
张量基本运算
加/减
同阶的张量可以加减,得到同阶的张量,各分量等于原张量中标号相同的分量的代数和。
乘积
- 任何阶的张量都可以进行乘法运算
- 第一个张量中的每一个分量乘以第二个张量中的每一个分量组成的集合
- 不服从交换律
例如:Kronecker product 定义式:
假设
与
那么:
求导
一个张量是坐标函数,则该张量的每个分量都是坐标参数xi的参数,张量求导就是把张量的每个分量都对坐标参数求导数。 Ai`j:表示对一阶张量Ai的每一个分量对坐标参数xj求导。
假如我们考虑这样的一个问题:假设我们有一个维度C×D的矩阵W,一个长度为D的列向量x={x1,x2,..,xD}T,一个长度为C的列向量y={y1,y2,...,yC}T,满足如下关系:
y=Wx
注:矢量分析中,在表达式的某一单项式之中出现且仅出现2次的下标,称为哑指标。
对哑指标求导:
注 :哑指标是指
哑指标降维,自由指标升维,哑指标求导后剩下数字,自由指标求导后剩下一个矩阵
即
同理可得:
奇异值分解
U : M X min(M,N)
S : min(M,N) X min(M,N)
V: min(M,N) X N